Innehåll
- 1. AI består av intelligenta robotar eller androider som ser ut som människor.
- 2. AI, maskininlärning och djupinlärning är samma sak.
- 3. AI lär sig helt på egen hand.
- 4. Chatbots är den mest grundläggande formen av AI.
- 5. Kraften som krävs för att utföra alla framtida djupinlärningsoperationer är ohållbar.
- Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
- 6. Det är enkelt för ett företag att hyra den datorkraft som behövs för att driva AI-operationer.
- 7. Du behöver enorma mängder data för att träna AI.
- 8. AI kommer att ersätta befintliga BI-verktyg, vilket gör all tidigare teknik föråldrad.
- 9. Neurala nätverk är som biologiska nätverk men mekaniska.
- 10. AI kommer så småningom att bli intelligent nog att förstå att människor är farliga för det och måste utrotas.
Källa: Usa Pyon / Dreamstime.com
Hämtmat:
AI är en het teknik, men många människor har missuppfattningar om vad det exakt innebär. Här tittar vi på några av myterna kring AI och undersöker fakta.
Varför pratar alla om AI, men vi ser fortfarande inte vänliga robotar som Data från "Star Trek" gå bland människor? Kom vi ihåg att lägga RoboCops Second Prime-direktiv till deras skriptmönster så att de kan "skydda de oskyldiga" istället för att utrota mänskligheten så snart de får full vildhet?
Idag finns det mycket förvirring kring vad konstgjord intelligens (AI), maskininlärning och djup inlärning faktiskt är, vad "intelligenta maskiner" kan göra och vad det aktuella tillståndet för AI-teknik faktiskt är. Det är dags att njuta av lite god gammal debunking, så låt oss byta de 10 vanligaste myterna om AI. (För mer om den potentiella framtiden för AI, kolla in Kommer AI-revolutionen att göra universella inkomster en nödvändighet?)
1. AI består av intelligenta robotar eller androider som ser ut som människor.
För mycket "Blade Runner" för alla här, hmm? Även om det finns en hel del allmän förvirring mellan robotik och AI, är de två helt olika vetenskapsområden som tjänar olika syften. Roboter är fysiska apparater som används av ställdon och sensorer för att utföra ett brett spektrum av uppgifter, som att bygga, bära eller demontera produkter i fabriker.
AI är mjukvara programmerad på ett sådant sätt att den är autonom nog att fatta beslut och lära av sina misstag. Även om vissa robotar så småningom kan förbättras med AI-algoritmer, är "intelligens" -delen bara en ytterligare förmåga som AI kan ha.
2. AI, maskininlärning och djupinlärning är samma sak.
Även om de alla är delar av samma större AI-system är de tre olika saker. I grund och botten är maskininlärning den metod som AI lär sig från externa källor, som att använda algoritmer för att diskriminera data och bestämma dess korrekta beteenden. Djupt lärande är bara en möjlig teknik som används i praktiska tillämpningar av maskininlärning. Det är baserat på neurala nätverk (NN) och används för att berätta AI vad det är troligt att fatta rätt beslut.
3. AI lär sig helt på egen hand.
Trots en överdriven hype om AI som påstås kunna lära sig på egen hand, är det fortfarande omöjligt att hitta ett AI-driven system som har någon verklig applikation som kan växa från noll kunskap utan mänsklig hjälp. Alla system som måste hantera dold information eller osäkerhet av något slag kan inte "förstås" av AI, som fortfarande måste matas in och data av människor. Dessutom måste varje bit av information ha ett tydligt syfte, något som AI inte kan gissa utan externa källor (inte i början, åtminstone).
4. Chatbots är den mest grundläggande formen av AI.
Återigen, även om det finns några chatbots där ute som använder mer eller mindre rudimentära former av AI, är de flesta av dem inget annat än grundläggande program som interagerar med människor via eller röstgränssnitt. I stället för att faktiskt vara "intelligent" har de flesta chatbots förprogrammerade svar som ges som svar på vissa nyckelord i användarens input. För att en chatbot ska bli en riktig AI måste den innehålla flera tekniker som gör att den kan förstå en människa, lära sig om hans eller hennes behov och reagera i enlighet därmed. Den behöver röst- eller igenkänningsprogramvara, sentimentanalys, någon form av maskininlärningsprogram och en naturlig språkgenereringsteknik. (För att lära dig mer om chatbots, se Vi frågade IT-proffsen hur företag kommer att använda chatbots i framtiden. Här är vad de sa.)
5. Kraften som krävs för att utföra alla framtida djupinlärningsoperationer är ohållbar.
Det är obestridligt att AI kräver mycket extra datorkraft för att utbildas och utföra alla dess komplexa djupinlärningsoperationer. I en framtid där de flesta företag kommer att använda AI i viss utsträckning kan detta problem växa till episka proportioner, vilket gör användningen potentiellt ohållbar. Men AI kan faktiskt förse oss med Mer kraft genom att starta ett flerårigt problem med energiproduktion: kraftnätets avfall och ineffektivitet. Nätverksföretag köper överskottsenergi från privata användare, som också slösar bort det mesta av överskottet el som de producerar eftersom nuvarande nät inte byggdes för att tillgodose den moderna diversifieringsnivån. AI kan komma till vår räddning genom att ersätta gamla rutnät med nyare, smarta, AI-drivna mikrogrid som vet exakt hur man distribuerar el i realtid med största effektivitet.
Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
Du kan inte förbättra dina programmeringsfärdigheter när ingen bryr sig om mjukvarukvalitet.
6. Det är enkelt för ett företag att hyra den datorkraft som behövs för att driva AI-operationer.
... om AWS, Google, Microsoft och Alibaba Cloud för närvarande inte centraliserade den stora majoriteten av den tillgängliga datorkraften i världen. Så AI-utvecklare har för närvarande bara två val: hyra det till exceptionellt höga priser eller köpa sin egen superdyr hårdvara.
Det finns emellertid en chans att denna myt-debunking kan ... debunkas inom en snar framtid. Ett nytt företag som heter Tatau utvecklade en blockchain-baserad superdatorplattform som kan lösa problemet. Deras lösning tillåter aggregering och återförsäljning av de kombinerade resurserna i ett globalt distribuerat nätverk av GPU-baserade maskiner. Föreställ dig cryptocurrency gruvarbetare, spelare eller andra högpresterande datorer som ägnar sin datorkraft till AI-utveckling. AI-företag kan utnyttja denna undervärda källa till GPU-kraft för att utbilda sina maskininlärningsmodeller till ett mycket billigare pris. Observera att den här nya plattformen också kan ge ett svar på problemet som lyfts fram i punkt 5 eftersom det främjar effektiv användning av för närvarande outnyttjade resurser.
7. Du behöver enorma mängder data för att träna AI.
Inte nödvändigtvis. Visst, du behöver mycket av data och datorkraft för att träna en AI från början. Och om än i mindre utsträckning behöver du terabyte data för att träna en AI för att utföra en komplex uppgift som att köra bil. Beroende på tillämpningsområdet för AI är emellertid förutbildade nervnätverk flexibla nog för att omskolas endast inom vissa specifika områden. Grunddataramen kan komma från en större, mer generell datauppsättning, där endast den sista delen av nätverket behöver bytas ut för att "fylla i tomma ämnen" specifikt för det givna användningsfallet.
8. AI kommer att ersätta befintliga BI-verktyg, vilket gör all tidigare teknik föråldrad.
Det är lite av en sträcka, för att säga minst. Majoriteten av moderna Business Intelligence-lösningar (BI) är mycket skalbara och ofta anpassningsbara, så att alla framtida AI-baserade modeller enkelt kan integreras direkt i deras plattformar. Företag föredrar alltid att bara implementera de lösningar som kommer utan risk för arbetsflödesstörningar, och AI-teknologier har anpassats till detta behov. Därför implementeras de flesta AI-plattformar via webben så att ingen ersättning är nödvändig eller i värsta fall kan implementeras säkert i faser.
9. Neurala nätverk är som biologiska nätverk men mekaniska.
Inget neuralt nätverk kan ens hoppas att nå en bråkdel av den mänskliga hjärnans komplexitet. Trots många års klinisk och vetenskaplig forskning misslyckas vi fortfarande med att förstå biologiska nervnätverk i sin fulla utsträckning eftersom neuroner utför så många olika uppgifter med människokroppen (tänk på skillnaden mellan en sensorisk och en motorisk neuron) och till och med överför information genom många olika vägar (med hjälp av elektricitet, kemisk potential och neurotransmittorer). Neurala nätverk kan bara förstå väldigt enkla ingångar på det typiska maskinmode för 1 eller 0 ("ja" eller "nej"). Det är som att jämföra komplexiteten hos ett militärflygplan med en drake bara för att de båda kan flyga.
10. AI kommer så småningom att bli intelligent nog att förstå att människor är farliga för det och måste utrotas.
Tja, vi kan faktiskt inte avlägsna denna myt eftersom det inte är en myt. Det är en verklighet. Stötta er, för motstånd är meningslöst!
Skämt åt sidan, helt enkelt uttryckt, AI har ingenstans nära den intelligens som krävs för att förstå världen runt sig själv och fatta autonoma, rationella beslut. Varje algoritm är utvecklad för att utföra en uppgift och kan inte göra något utanför det, än mindre nå förmågan att tänka självständigt. Datorer använder "brute force" av sina överlägsna beräkningskrafter för att hitta en lösning på relativt enkla problem, men de saknar förståelse, uppfattningsdjup och strategisk komplexitet för att ha ett syfte utanför det de har programmerat för.
Så vila lätt, eftersom AI bara kommer att bli något annat än våra konstgjorda hjälpare och tjänare under en lång, lång tid.